classificador
classificador
Teledetecció > Classificació
- ca classificador, n m
- es clasificador
- en classifier
Teledetecció > Classificació
Definition
Qualsevol dels mètodes, criteris o algorismes concrets que hom empra en classificació digital d'imatges com a mecanisme d'assignació d'objectes (píxels1 o segments1) a les classes que es decideix que podrà contenir el mapa categòric que es vol obtenir.
Molts classificadors preveuen la possibilitat d'assignar a "no classificat" aquells objectes que no s'adiuen suficientment amb cap de les classes disponibles. En són exemples el classificador per màxima versemblança, el classificador per llindars, etc.
Molts classificadors preveuen la possibilitat d'assignar a "no classificat" aquells objectes que no s'adiuen suficientment amb cap de les classes disponibles. En són exemples el classificador per màxima versemblança, el classificador per llindars, etc.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador borrós
classificador borrós
Teledetecció > Classificació
- ca classificador borrós, n m
- es clasificador borroso
- en fuzzy classifier
Teledetecció > Classificació
Definition
Classificador, utilitzat després d'efectuar una classificació borrosa, que assigna un individu a la classe més adequada segons les múltiples assignacions que li ha atorgat la classificació borrosa, completant així la fase 4 d'una classificació digital d'imatges.
Els classificadors borrosos treballen en consonància amb el tipus de classificador que s'ha utilitzat en la classificació.
Els classificadors borrosos treballen en consonància amb el tipus de classificador que s'ha utilitzat en la classificació.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador en arbre
classificador en arbre
Teledetecció > Classificació
- ca classificador en arbre, n m
- es clasificador en árbol
- en classification tree
- en decision tree
Teledetecció > Classificació
Definition
Mètode d'assignació d'objectes (píxels1 o segments1) a les diferents classes (o a "no classificat") consistent a discriminar seqüencialment cadascuna de les classes, basant-se en valors espectrals de la imatge, en variables texturals, temporals o en informació auxiliar (sòls, MDE, etc.), utilitzat en classificació digital d'imatges.
Per a cada classe s'estableixen unes regles dicotòmiques d'interpretació que permeten concentrar la discriminació a partir de les variables en què millor es discrimina, en lloc d'utilitzar-les totes simultàniament. Per exemple, hom pot reconèixer les làmines d'aigua pel fet de presentar un ND inferior a un cert llindar en l'IRp; un cop presa la decisió, en funció d'aquest criteri, que un cert objecte no és una làmina d'aigua, el classificador procedeix a decidir si és vegetació pel seu valor en un índex de vegetació; si no ho és, una nova dicotomia es plantejarà i així successivament fins a arribar a una branca final de l'arbre. L'acrònim CART s'utilitza per a englobar els classificadors en arbre i els arbres de regressió (regression trees).
Per a cada classe s'estableixen unes regles dicotòmiques d'interpretació que permeten concentrar la discriminació a partir de les variables en què millor es discrimina, en lloc d'utilitzar-les totes simultàniament. Per exemple, hom pot reconèixer les làmines d'aigua pel fet de presentar un ND inferior a un cert llindar en l'IRp; un cop presa la decisió, en funció d'aquest criteri, que un cert objecte no és una làmina d'aigua, el classificador procedeix a decidir si és vegetació pel seu valor en un índex de vegetació; si no ho és, una nova dicotomia es plantejarà i així successivament fins a arribar a una branca final de l'arbre. L'acrònim CART s'utilitza per a englobar els classificadors en arbre i els arbres de regressió (regression trees).
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per angle espectral
classificador per angle espectral
Teledetecció > Classificació
- ca classificador per angle espectral, n m
- ca SAM, n m sin. compl.
- es clasificador por ángulo espectral
- es SAM sin. compl.
- en spectral angle mapper
- en SAM sin. compl.
Teledetecció > Classificació
Definition
Classificador que es basa en la comparació entre el cosinus de l'angle espectral que forma la posició d'un individu que es vol classificar i la posició dels diferents centres de classe candidats, i en l'assignació de l'individu a la classe amb la qual el cosinus és més proper a 1, o en la delimitació de sectors angulars per a cada classe i en l'anàlisi de quin d'ells és l'individu que es vol classificar.
Els classificadors per angle espectral són útils quan algunes variables estan altament correlacionades, com en les imatges hiperespectrals.
SAM és l'acrònim de spectral angle mapper ('classificador per angle espectral').
Els classificadors per angle espectral són útils quan algunes variables estan altament correlacionades, com en les imatges hiperespectrals.
SAM és l'acrònim de spectral angle mapper ('classificador per angle espectral').
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per envolupant
classificador per envolupant
Teledetecció > Classificació
- ca classificador per llindars, n m
- ca classificador per envolupant, n m sin. compl.
- es clasificador por umbrales
- es clasificador por envolvente sin. compl.
- en threshold classifier
- en bounding box classifier sin. compl.
Teledetecció > Classificació
Definition
Classificador que considera que l'objecte pertany a una classe si els seus valors es troben, per a totes les variables, típicament bandes espectrals, dintre dels llindars que la classe té establerts per a les corresponents variables.
En una classificació monobanda el llindar és un únic interval. En canvi, en un espai multivariant, si la classificació utilitza dues bandes els llindars defineixen un rectangle, si n'utilitza tres, defineixen un paral·lelepípede (classificador per paral·lelepípedes), i si n'utilitza n, defineixen un hiperparal·lelepípede (classificador per hiperparal·lelepípedes). Llindars més separats impliquen classificar més imatge però un major risc de confusions amb classes veïnes.
Formalment es pot definir que en aquest classificador un objecte X és assignat a una classe A si, per a tota variable k, Xk pertany a l'[Interval de llindars d'Ak]. Els llindars els tria l'usuari i poden ser establerts del mínim al màxim dels píxels d'entrenament ([mín, màx]), o bé establerts fent μk,A ± Const.:[μk,A- Const., μk,A+ Const.], on μk,A és la mitjana (o la mediana o qualsevol mesura convenient de centralitat) de la classe A per a la banda k. La constant Const. pot ser la desviació estàndard (σk,A, o qualsevol mesura convenient de dispersió) o un múltiple d'aquesta per donar-hi sentit probabilístic gaussià. També poden utilitzar-se altres criteris com la desviació interquartílica.
Entre els avantatges d'aquest classificador hi ha la rapidesa de processament i la possibilitat de no assumpció de cap distribució estadística. D'altra banda, no resol de forma directa els conflictes d'assignació a més d'una classe i sovint no classifica tota la imatge, ja que és freqüent que hi hagi píxels que no es trobin exactament dintre dels llindars establerts per a cap classe.
En una classificació monobanda el llindar és un únic interval. En canvi, en un espai multivariant, si la classificació utilitza dues bandes els llindars defineixen un rectangle, si n'utilitza tres, defineixen un paral·lelepípede (classificador per paral·lelepípedes), i si n'utilitza n, defineixen un hiperparal·lelepípede (classificador per hiperparal·lelepípedes). Llindars més separats impliquen classificar més imatge però un major risc de confusions amb classes veïnes.
Formalment es pot definir que en aquest classificador un objecte X és assignat a una classe A si, per a tota variable k, Xk pertany a l'[Interval de llindars d'Ak]. Els llindars els tria l'usuari i poden ser establerts del mínim al màxim dels píxels d'entrenament ([mín, màx]), o bé establerts fent μk,A ± Const.:[μk,A- Const., μk,A+ Const.], on μk,A és la mitjana (o la mediana o qualsevol mesura convenient de centralitat) de la classe A per a la banda k. La constant Const. pot ser la desviació estàndard (σk,A, o qualsevol mesura convenient de dispersió) o un múltiple d'aquesta per donar-hi sentit probabilístic gaussià. També poden utilitzar-se altres criteris com la desviació interquartílica.
Entre els avantatges d'aquest classificador hi ha la rapidesa de processament i la possibilitat de no assumpció de cap distribució estadística. D'altra banda, no resol de forma directa els conflictes d'assignació a més d'una classe i sovint no classifica tota la imatge, ja que és freqüent que hi hagi píxels que no es trobin exactament dintre dels llindars establerts per a cap classe.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per hiperparal·lelepípedes
classificador per hiperparal·lelepípedes
Teledetecció > Classificació
- ca classificador per hiperparal·lelepípedes, n m
- es clasificador por hiperparalelepípedos
- en hyperparallelepiped classifier
Teledetecció > Classificació
Definition
Classificador per llindars en què s'utilitzen n bandes.
En aquest cas, els llindars defineixen un hiperparal·lelepípede.
En aquest cas, els llindars defineixen un hiperparal·lelepípede.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per llindars
classificador per llindars
Teledetecció > Classificació
- ca classificador per llindars, n m
- ca classificador per envolupant, n m sin. compl.
- es clasificador por umbrales
- es clasificador por envolvente sin. compl.
- en threshold classifier
- en bounding box classifier sin. compl.
Teledetecció > Classificació
Definition
Classificador que considera que l'objecte pertany a una classe si els seus valors es troben, per a totes les variables, típicament bandes espectrals, dintre dels llindars que la classe té establerts per a les corresponents variables.
En una classificació monobanda el llindar és un únic interval. En canvi, en un espai multivariant, si la classificació utilitza dues bandes els llindars defineixen un rectangle, si n'utilitza tres, defineixen un paral·lelepípede (classificador per paral·lelepípedes), i si n'utilitza n, defineixen un hiperparal·lelepípede (classificador per hiperparal·lelepípedes). Llindars més separats impliquen classificar més imatge però un major risc de confusions amb classes veïnes.
Formalment es pot definir que en aquest classificador un objecte X és assignat a una classe A si, per a tota variable k, Xk pertany a l'[Interval de llindars d'Ak]. Els llindars els tria l'usuari i poden ser establerts del mínim al màxim dels píxels d'entrenament ([mín, màx]), o bé establerts fent μk,A ± Const.:[μk,A- Const., μk,A+ Const.], on μk,A és la mitjana (o la mediana o qualsevol mesura convenient de centralitat) de la classe A per a la banda k. La constant Const. pot ser la desviació estàndard (σk,A, o qualsevol mesura convenient de dispersió) o un múltiple d'aquesta per donar-hi sentit probabilístic gaussià. També poden utilitzar-se altres criteris com la desviació interquartílica.
Entre els avantatges d'aquest classificador hi ha la rapidesa de processament i la possibilitat de no assumpció de cap distribució estadística. D'altra banda, no resol de forma directa els conflictes d'assignació a més d'una classe i sovint no classifica tota la imatge, ja que és freqüent que hi hagi píxels que no es trobin exactament dintre dels llindars establerts per a cap classe.
En una classificació monobanda el llindar és un únic interval. En canvi, en un espai multivariant, si la classificació utilitza dues bandes els llindars defineixen un rectangle, si n'utilitza tres, defineixen un paral·lelepípede (classificador per paral·lelepípedes), i si n'utilitza n, defineixen un hiperparal·lelepípede (classificador per hiperparal·lelepípedes). Llindars més separats impliquen classificar més imatge però un major risc de confusions amb classes veïnes.
Formalment es pot definir que en aquest classificador un objecte X és assignat a una classe A si, per a tota variable k, Xk pertany a l'[Interval de llindars d'Ak]. Els llindars els tria l'usuari i poden ser establerts del mínim al màxim dels píxels d'entrenament ([mín, màx]), o bé establerts fent μk,A ± Const.:[μk,A- Const., μk,A+ Const.], on μk,A és la mitjana (o la mediana o qualsevol mesura convenient de centralitat) de la classe A per a la banda k. La constant Const. pot ser la desviació estàndard (σk,A, o qualsevol mesura convenient de dispersió) o un múltiple d'aquesta per donar-hi sentit probabilístic gaussià. També poden utilitzar-se altres criteris com la desviació interquartílica.
Entre els avantatges d'aquest classificador hi ha la rapidesa de processament i la possibilitat de no assumpció de cap distribució estadística. D'altra banda, no resol de forma directa els conflictes d'assignació a més d'una classe i sovint no classifica tota la imatge, ja que és freqüent que hi hagi píxels que no es trobin exactament dintre dels llindars establerts per a cap classe.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per màxima probabilitat
classificador per màxima probabilitat
Teledetecció > Classificació
- ca classificador per màxima versemblança, n m
- ca classificador per màxima probabilitat, n m sin. compl.
- ca màxima probabilitat, n f sin. compl.
- ca màxima versemblança, n f sin. compl.
- ca MLC, n m sin. compl.
- es clasificador por máxima verosimilitud
- es clasificador por máxima probabilidad sin. compl.
- es máxima probabilidad sin. compl.
- es máxima verosimilitud sin. compl.
- es MLC sin. compl.
- en maximum likelihood classifier
- en maximum likelihood sin. compl.
- en maximum probability sin. compl.
- en maximum probability classifier sin. compl.
- en MLC sin. compl.
Teledetecció > Classificació
Definition
Classificador que considera que un individu pertany a la classe respecte a la qual presenta la màxima versemblança de pertànyer.
El criteri de versemblança que sol fer servir és el derivat de la màxima probabilitat gaussiana, tot assumint una distribució normal en cada classe i variable (multivariant si és el cas).
- En el cas univariant (1 sola banda espectral k) es calcula:
p(X/A) = [1/√(2·π·σk,A2)]·exp{-0.5 (xk − μk,A)2/σk,A2},
on p(X/A) és la probabilitat (calculada) que l'individu X pertanyi a una classe A, σ és la desviació estàndard de la classe pel que fa a una certa variable, k és cadascuna de les m variables mesurades sobre cada individu (en aquest cas sempre val 1), μ és la mitjana de la classe A pel que fa a la mateixa variable, x és el valor individual d'un individu per a la variable considerada i exp {x} correspon a ex, on e = 2.71828182.
- En el cas multivariant (m variables o bandes), s'expressa:
p(X/A) = [1/√{(2·π)m·|ΣA|}]·exp{-0.5 (X − UA)T·ΣA-1·(X-UA)},
on p(X/A) és la probabilitat (calculada) que l'individu X (caracteritzat ara pel seu vector de valors x, mesurats en les diverses, m, variables) pertanyi a una classe A, Σ és la matriu de variància-covariància de la classe en les diferents variables, |Σ| és el determinant de la matriu Σ, U és el vector de mitjanes d'una classe en les diferents variables, T indica la matriu transposada i -1 indica la matriu inversa.
És un classificador complex, d'execució lenta i que en la seva forma pura classifica tot el territori, ja que sempre existeix una classe més probable, encara que la probabilitat sigui molt i molt petita, fet pel qual pot cometre errors de comissió importants quan no s'inclou en la llegenda alguna classe clarament present en la imatge. És per això que el classificador per màxima versemblança s'acostuma a acotar amb una probabilitat mínima, per sota de la qual l'individu es deixa com a "no classificat". Convé fer notar que aquest classificador pressuposa una distribució normal en les variables obtingudes dels individus que han definit la classe, i és, doncs, un classificador fortament paramètric que proporcionarà mals resultats en el cas d'altres funcions de distribució (fortament asimètriques, multimodals, etc.).
De vegades s'utilitzen impròpiament les denominacions classificador per màxima probabilitat i màxima probabilitat per a fer referència a aquest concepte.
MLC és l'acrònim de maximum likelihood classifier ('classificador per màxima versemblança').
Vegeu també classificador per màxima versemblança amb probabilitats a priori.
El criteri de versemblança que sol fer servir és el derivat de la màxima probabilitat gaussiana, tot assumint una distribució normal en cada classe i variable (multivariant si és el cas).
- En el cas univariant (1 sola banda espectral k) es calcula:
p(X/A) = [1/√(2·π·σk,A2)]·exp{-0.5 (xk − μk,A)2/σk,A2},
on p(X/A) és la probabilitat (calculada) que l'individu X pertanyi a una classe A, σ és la desviació estàndard de la classe pel que fa a una certa variable, k és cadascuna de les m variables mesurades sobre cada individu (en aquest cas sempre val 1), μ és la mitjana de la classe A pel que fa a la mateixa variable, x és el valor individual d'un individu per a la variable considerada i exp {x} correspon a ex, on e = 2.71828182.
- En el cas multivariant (m variables o bandes), s'expressa:
p(X/A) = [1/√{(2·π)m·|ΣA|}]·exp{-0.5 (X − UA)T·ΣA-1·(X-UA)},
on p(X/A) és la probabilitat (calculada) que l'individu X (caracteritzat ara pel seu vector de valors x, mesurats en les diverses, m, variables) pertanyi a una classe A, Σ és la matriu de variància-covariància de la classe en les diferents variables, |Σ| és el determinant de la matriu Σ, U és el vector de mitjanes d'una classe en les diferents variables, T indica la matriu transposada i -1 indica la matriu inversa.
És un classificador complex, d'execució lenta i que en la seva forma pura classifica tot el territori, ja que sempre existeix una classe més probable, encara que la probabilitat sigui molt i molt petita, fet pel qual pot cometre errors de comissió importants quan no s'inclou en la llegenda alguna classe clarament present en la imatge. És per això que el classificador per màxima versemblança s'acostuma a acotar amb una probabilitat mínima, per sota de la qual l'individu es deixa com a "no classificat". Convé fer notar que aquest classificador pressuposa una distribució normal en les variables obtingudes dels individus que han definit la classe, i és, doncs, un classificador fortament paramètric que proporcionarà mals resultats en el cas d'altres funcions de distribució (fortament asimètriques, multimodals, etc.).
De vegades s'utilitzen impròpiament les denominacions classificador per màxima probabilitat i màxima probabilitat per a fer referència a aquest concepte.
MLC és l'acrònim de maximum likelihood classifier ('classificador per màxima versemblança').
Vegeu també classificador per màxima versemblança amb probabilitats a priori.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per màxima probabilitat bayesiana
classificador per màxima probabilitat bayesiana
Teledetecció > Classificació
- ca classificador per màxima versemblança amb probabilitats a priori, n m
- ca classificador per màxima probabilitat bayesiana, n m sin. compl.
- es clasificador por máxima verosimilitud con probabilidades a priori
- es clasificador por máxima probabilidad bayesiana sin. compl.
- en maximum likelihood classifier including prior probabilities
- en Bayesian maximum probability classifier sin. compl.
Teledetecció > Classificació
Definition
Classificador per màxima versemblança que aplica un criteri bayesià de probabilitats a priori per a assignar un individu a la classe a la qual té una major probabilitat de pertànyer.
Així doncs, un individu s'assignarà a una classe A si p(X/A)·p(A) > = p(X/B)·p(B) per a tot A diferent de B, on p(X/A) i p(X/B) són les probabilitats que l'individu pertanyi a les classes A i B, respectivament (calculades com en un classificador per màxima versemblança), i p(A) i p(B) són les probabilitats, estimades a priori, que un individu X qualsevol pertanyi a les classes A i B, respectivament. La suma de les m probabilitats a priori val 1, és a dir p(A) + p(B)+... = 1.
Aquest classificador evita que classes poc representades (per exemple, boscos de ribera) absorbeixin píxels o segments de classes més generals (per exemple, rouredes) quan la radiometria (o, en general, característiques estadístiques) de les dues classes s'assembla molt, si bé la dificultat que presenta és conèixer els valors a priori (p(A), p(B), etc.) de cada classe. Aquestes probabilitats es poden estimar a partir d'un inventari i de treball de camp previs, de dades auxiliars o utilitzant els resultats d'una classificació prèvia. Si s'atorga la mateixa probabilitat a priori a totes les classes el resultat és el mateix que en el classificador per màxima versemblança.
Així doncs, un individu s'assignarà a una classe A si p(X/A)·p(A) > = p(X/B)·p(B) per a tot A diferent de B, on p(X/A) i p(X/B) són les probabilitats que l'individu pertanyi a les classes A i B, respectivament (calculades com en un classificador per màxima versemblança), i p(A) i p(B) són les probabilitats, estimades a priori, que un individu X qualsevol pertanyi a les classes A i B, respectivament. La suma de les m probabilitats a priori val 1, és a dir p(A) + p(B)+... = 1.
Aquest classificador evita que classes poc representades (per exemple, boscos de ribera) absorbeixin píxels o segments de classes més generals (per exemple, rouredes) quan la radiometria (o, en general, característiques estadístiques) de les dues classes s'assembla molt, si bé la dificultat que presenta és conèixer els valors a priori (p(A), p(B), etc.) de cada classe. Aquestes probabilitats es poden estimar a partir d'un inventari i de treball de camp previs, de dades auxiliars o utilitzant els resultats d'una classificació prèvia. Si s'atorga la mateixa probabilitat a priori a totes les classes el resultat és el mateix que en el classificador per màxima versemblança.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
classificador per màxima versemblança
classificador per màxima versemblança
Teledetecció > Classificació
- ca classificador per màxima versemblança, n m
- ca classificador per màxima probabilitat, n m sin. compl.
- ca màxima probabilitat, n f sin. compl.
- ca màxima versemblança, n f sin. compl.
- ca MLC, n m sin. compl.
- es clasificador por máxima verosimilitud
- es clasificador por máxima probabilidad sin. compl.
- es máxima probabilidad sin. compl.
- es máxima verosimilitud sin. compl.
- es MLC sin. compl.
- en maximum likelihood classifier
- en maximum likelihood sin. compl.
- en maximum probability sin. compl.
- en maximum probability classifier sin. compl.
- en MLC sin. compl.
Teledetecció > Classificació
Definition
Classificador que considera que un individu pertany a la classe respecte a la qual presenta la màxima versemblança de pertànyer.
El criteri de versemblança que sol fer servir és el derivat de la màxima probabilitat gaussiana, tot assumint una distribució normal en cada classe i variable (multivariant si és el cas).
- En el cas univariant (1 sola banda espectral k) es calcula:
p(X/A) = [1/√(2·π·σk,A2)]·exp{-0.5 (xk − μk,A)2/σk,A2},
on p(X/A) és la probabilitat (calculada) que l'individu X pertanyi a una classe A, σ és la desviació estàndard de la classe pel que fa a una certa variable, k és cadascuna de les m variables mesurades sobre cada individu (en aquest cas sempre val 1), μ és la mitjana de la classe A pel que fa a la mateixa variable, x és el valor individual d'un individu per a la variable considerada i exp {x} correspon a ex, on e = 2.71828182.
- En el cas multivariant (m variables o bandes), s'expressa:
p(X/A) = [1/√{(2·π)m·|ΣA|}]·exp{-0.5 (X − UA)T·ΣA-1·(X-UA)},
on p(X/A) és la probabilitat (calculada) que l'individu X (caracteritzat ara pel seu vector de valors x, mesurats en les diverses, m, variables) pertanyi a una classe A, Σ és la matriu de variància-covariància de la classe en les diferents variables, |Σ| és el determinant de la matriu Σ, U és el vector de mitjanes d'una classe en les diferents variables, T indica la matriu transposada i -1 indica la matriu inversa.
És un classificador complex, d'execució lenta i que en la seva forma pura classifica tot el territori, ja que sempre existeix una classe més probable, encara que la probabilitat sigui molt i molt petita, fet pel qual pot cometre errors de comissió importants quan no s'inclou en la llegenda alguna classe clarament present en la imatge. És per això que el classificador per màxima versemblança s'acostuma a acotar amb una probabilitat mínima, per sota de la qual l'individu es deixa com a "no classificat". Convé fer notar que aquest classificador pressuposa una distribució normal en les variables obtingudes dels individus que han definit la classe, i és, doncs, un classificador fortament paramètric que proporcionarà mals resultats en el cas d'altres funcions de distribució (fortament asimètriques, multimodals, etc.).
De vegades s'utilitzen impròpiament les denominacions classificador per màxima probabilitat i màxima probabilitat per a fer referència a aquest concepte.
MLC és l'acrònim de maximum likelihood classifier ('classificador per màxima versemblança').
Vegeu també classificador per màxima versemblança amb probabilitats a priori.
El criteri de versemblança que sol fer servir és el derivat de la màxima probabilitat gaussiana, tot assumint una distribució normal en cada classe i variable (multivariant si és el cas).
- En el cas univariant (1 sola banda espectral k) es calcula:
p(X/A) = [1/√(2·π·σk,A2)]·exp{-0.5 (xk − μk,A)2/σk,A2},
on p(X/A) és la probabilitat (calculada) que l'individu X pertanyi a una classe A, σ és la desviació estàndard de la classe pel que fa a una certa variable, k és cadascuna de les m variables mesurades sobre cada individu (en aquest cas sempre val 1), μ és la mitjana de la classe A pel que fa a la mateixa variable, x és el valor individual d'un individu per a la variable considerada i exp {x} correspon a ex, on e = 2.71828182.
- En el cas multivariant (m variables o bandes), s'expressa:
p(X/A) = [1/√{(2·π)m·|ΣA|}]·exp{-0.5 (X − UA)T·ΣA-1·(X-UA)},
on p(X/A) és la probabilitat (calculada) que l'individu X (caracteritzat ara pel seu vector de valors x, mesurats en les diverses, m, variables) pertanyi a una classe A, Σ és la matriu de variància-covariància de la classe en les diferents variables, |Σ| és el determinant de la matriu Σ, U és el vector de mitjanes d'una classe en les diferents variables, T indica la matriu transposada i -1 indica la matriu inversa.
És un classificador complex, d'execució lenta i que en la seva forma pura classifica tot el territori, ja que sempre existeix una classe més probable, encara que la probabilitat sigui molt i molt petita, fet pel qual pot cometre errors de comissió importants quan no s'inclou en la llegenda alguna classe clarament present en la imatge. És per això que el classificador per màxima versemblança s'acostuma a acotar amb una probabilitat mínima, per sota de la qual l'individu es deixa com a "no classificat". Convé fer notar que aquest classificador pressuposa una distribució normal en les variables obtingudes dels individus que han definit la classe, i és, doncs, un classificador fortament paramètric que proporcionarà mals resultats en el cas d'altres funcions de distribució (fortament asimètriques, multimodals, etc.).
De vegades s'utilitzen impròpiament les denominacions classificador per màxima probabilitat i màxima probabilitat per a fer referència a aquest concepte.
MLC és l'acrònim de maximum likelihood classifier ('classificador per màxima versemblança').
Vegeu també classificador per màxima versemblança amb probabilitats a priori.
Note
-
La informació d'aquesta fitxa procedeix de l'obra següent, actualitzada pels autors el març de 2015 i el febrer de 2018:
PONS FERNÁNDEZ, Xavier; ARCALÍS PLANAS, Anna. Diccionari terminològic de teledetecció. Barcelona: Institut Cartogràfic de Catalunya: Enciclopèdia Catalana, 2012. 597 p. (Diccionaris Terminològics)
ISBN 978-84-393-9008-4; 978-84-412-2249-6
